如何实现对此问题的分类？

Question

我一直在考虑在法律案件中“预测”赔偿的问题。为了具体起见，让我们得到一份有一定风味的案件(例如歧视案件)的摘要，这些案件按所判损害赔偿的范围被固定数目的“条带”约束。那么，是否有可能训练一种习惯模式，使之能够阅读受害方报告的案件事实，并预测如果原告胜诉，它将落入哪个垃圾桶。我的第一个想法是通过NLP进行无监督的文本聚类。有什么更有效的东西可以在这里使用吗？

Answer 1

如果我正确理解问题，则输入数据集由2列组成。A栏-先前的案例摘要，B栏-判给损害的范围/箱-你想要将一个新的看不见的案例摘要映射到现有的B栏数值范围之一，这是基于新案例摘要与最相似的A栏案例摘要文本的相似性。

最近，我研究了一个类似的问题，在这个问题上，我将字段/标签映射到它们的描述中，而不是案例摘要，我希望将一个新的/未见的字段映射到给定的描述之一。将未见字段/字映射为现有描述(在输入数据中)，给定字段及其作为输入/培训数据的各自描述

我的方法是进行Bert嵌入，然后在字段/标签上进行余弦相似度，并根据与现有字段的相似度值，对其进行描述。

这可能是其中一种方法。如果你需要样本代码，请告诉我。很乐意帮忙。